【论文阅读二】：EFFICIENT SYMMETRY-DRIVEN FULLY CONVOLUTIONAL NETWORK FOR MULTIMODAL BRAIN TUMOR SEGMENTATIO

最新推荐文章于 2022-08-23 10:08:15 发布
最新推荐文章于 2022-08-23 10:08:15 发布
阅读量725 收藏 2
点赞数
分类专栏： 深度学习论文阅读 文章标签： 大脑肿瘤分割 深度学习 FCN
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Fan_shui/article/details/82982477
版权
本文介绍了如何使用一种变异的全卷积网络（FCN）进行大脑肿瘤自动分割，强调了肿瘤分割在医学治疗中的重要性。网络架构包含下采样和上采样路径，下采样部分基于VGG16的前三层，上采样部分通过反卷积恢复细节。考虑到医学图像的特点，避免使用过多的深层卷积以减少过拟合和小病变丢失。此外，输入还包括对称图像以利用大脑的对称性信息。
摘要由CSDN通过智能技术生成

一、文章核心
　　论文中主要讲解用一个Variant FCN做大脑肿瘤自动分割。
　　（ps:下文中有些术语可能翻译不太妥当或理解有误,还请指正）

二、基础知识
　　FCN
　　VGG16
　　
三、开始表演

目的：大脑肿瘤分割
　　
　　那么什么是大脑肿瘤分割？为什么要进行大脑肿瘤分割？
　啥都没有
　　
　　上图是四种MRI（核磁共振成像）模态下的HG gliomas patients的大脑肿瘤图，最后一个是专家画的肿瘤结构轮廓图，绿色是水肿区域（edema），红色是坏死区域(necrosis)，黄色是增强区域(enhancing)，蓝色是非增强(non-enhancing)。
　　我认为大脑肿瘤分割主要是分割出肿瘤的结构，即上述的四种区域，还有非常重要的边界分割，精准的边界分割对于临床治疗是非常有帮助的。
　　文中作者也提到准确地大脑肿瘤分割对医学治疗非常有帮助（但是我听朋友说在进行肿瘤切割的时候不会分到这么细，最重要的就是边界，MRI只能说是做参考，具体切割的时候还是要视具体情况而定，我很疑惑那为什么

最低0.47元/天 解锁文章
Fan_shui
关注
专栏目录
Reading report: V-Net: Fully Convolutional Neural Networks for Volumetric Medical Image Segmentation
qq_42752238的博客
07-04 377
V-Net: Fully Convolutional Neural Networks for Volumetric Medical Image Segmentation **Abstract:**Convolutional Neural Networks (CNNs) have been recently employed to solve problems from both the computer vision and medical image analysis fields. Despite th
【论文阅读】EFFICIENT SYMMETRY-DRIVEN FULLY CONVOLUTIONAL NETWORK FOR MULTIMODAL BRAIN TUMOR SEGMENTATION...
weixin_34138377的博客
08-30 291
写在前面：之前看过该作者的两篇文章都引用了他自己的这一篇，终于能检索到了。虽然不再做脑瘤分割，但还是想将当初不清楚的细节重新拿出来审视一番。。 此文章发于ICIP2017. 题目：EFFICIENT SYMMETRY-DRIVEN FULLY CONVOLUTIONAL NETWORK FOR MULTIMODAL BRAIN TUMOR SEGMENTATION 作者：H...
[深度学习从入门到女装]Scalable Multimodal Convolutional Networks for Brain Tumour Segmentation
炼丹师
01-09 295
论文地址：Scalable Multimodal Convolutional Networks for Brain Tumour Segmentation   这是MICCAI2017上的一篇应用多模态MRI进行脑部肿瘤分割的论文 传统使用多模态的方式就是将多模态的MRI进行concate然后作为一个输入放到分割CNN中，如上图中的（b），这种方式进行卷积的话，无法将模态之间分离开，直接...
Brain Tumor Segmentation from Multi Modal MR images using Fully Convolutional Neural Network
weixin_43371569的博客
11-10 536
Brain Tumor Segmentation from Multi Modal MR images using Fully Convolutional Neural Network 文章作者：Varghese Alex, Mohammed Safwan, and Ganapathy Krishnamurthi 摘要：这篇文章不仅对脑肿瘤进行了分割，还对病情进行了分析。分割采用一个23 laye...
[论文翻译]V-Net:Fully Convolutional Neural Networks for Volumetric Medical Image Segmentation
程序客栈
03-09 3389
论文下载: 地址 V-Net: Fully Convolutional Neural Networks for Volumetric Medical Image Segmentation V-Net: 用于三维医学图像分割的全卷积神经网络 Abstract. Convolutional Neural Networks (CNNs) have been recently employed...
【论文阅读一】Boundary-Aware Fully Convolutional Network for Brain Tumor Segmentation
Fan_shui的博客
10-05 1200
一、参考阅读文章 https://blog.csdn.net/qq_29184757/article/details/78369299 https://www.cnblogs.com/xiangfeidemengzhu/p/7519767.html 二、基础知识 　　快速浏览了上面两篇文章对论文的理解，里面有讲到此论文是关于脑瘤自动分割，其中涉及到很多基础知识，如FCN，DCNA 　2.1、FCN...
Mask TextSpotter: An End-to-End TrainableNeural Network for Spotting Text withArbitrary Shapes 中英对翻译
weixin_43882068的博客
05-02 1213
Mask TextSpotter：一种用于识别任意形状文本的端到端可训练神经网络 摘要 最近，基于深度神经网络的模型在场景文本检测和识别领域占据主导地位。在本文中，我们研究了场景文本识别的问题，其目的是在自然图像中同时进行文本检测和识别。我们提出了一个用于场景文本识别的端到端可训练神经网络模型。该模型被命名为Mask TextSpotter，其灵感来源于新近发表的Mask R-CNN。与之前的方法不同，这些方法也是通过端到端可训练的深度神经网络来完成文本发现。Mask TextSpotter利用了简
论文见解之SRN: Side-output Residual Network for Object Symmetry Detection in the Wild
无奈的小心酸的博客
08-31 4601
论文名称：SRN: Side-output Residual Network for Object Symmetry Detection in the Wild   ----CVPR 2017 code地址：https://github.com/KevinKecc/SRN 论文概述：一篇做图像对称性骨骼的论文，与以往不同的是，此篇论文中采用了自定义的benchmark，基于HED进行网络改造，
【医学+深度论文：F23】2018 symmetry Dense Fully Convolutional Segmentation of the Optic Disc and
鹿鹿的博客
07-27 633
23 2018 symmetry Dense Fully Convolutional Segmentation of the Optic Disc and Cup in Colour Fundus for Glaucoma Diagnosis Method ： 分割 Dataset： colour retinal fundus images      train ：ORIGA      te...
《 V-Net: Fully Convolutional Neural Networks for Volumetric Medical Image Segmentation》
Major_S的博客
07-19 879
《 V-Net: Fully Convolutional Neural Networks for Volumetric Medical Image Segmentation》 《 V-Net: Fully Convolutional Neural Networks for Volumetric Medical Image Segmentation》 —待写 作者：Fausto Milletari ; Nassir Navab ; Seyed-Ahmad Ahmadi 单位： 发表会议及时间：25-28 O
论文阅读笔记（五十四）：V-Net: Fully Convolutional Neural Networks for Volumetric Medical Image Segmentation
sunshine_010的博客
05-14 7408
Abstract. Convolutional Neural Networks (CNNs) have been recently employed to solve problems from both the computer vision and medical image analysis fields. Despite their popularity, most approaches ...
论文解读（一）V-Net: Fully Convolutional Neural Networks for Volumetric Medical Image Segmentation
weixin_38024155的博客
08-24 2219
发表：Computer Vision and Pattern Recognition 数据集： MRI volumes depicting prostate前列腺核磁共振成像 目标函数：基于Dice系数的目标函数 数据增强：随机非线性转换和直方图匹配来增加数据 摘要： CNN最近被应用于解决计算机视觉和医学图像分析领域的问题。尽管它们很受欢迎，但大多数方法只能处理2D图像，而在临床实践中使用的大多数医疗数据是由3D组成的。 (1) 在这项工作中，我们提出了一种基于三维全卷积神经网络的三维图像分割方法。 (2
One-Pass Multi-task Convolutional Neural Networks for Efficient Brain Tumor Segmentation
zxyhhjs2017的博客
02-27 774
method: 首先：用三个网络来训练，分别针对comlete区域，core区域，和enhancing区域（使用网络OM-net） 1.使用随机采样从MRI大脑图像中采块，训练，分类器分为5类，最后测试的时候直接测出complete区域，得到粗分割，并且使用腐蚀的方法，平滑complete，消除一些假阴性 2.训练样本是从complete中提取，训练，分类，我的理解应该是分为core里面的3...
论文笔记（含代码）Tumor attention networks: Better feature selection, better tumor segmentation
Stark_Z的博客
08-23 1050
肿瘤注意网络：更好的特征选择，更好的肿瘤分割
[深度学习论文笔记]Tumor attention networks: Better feature selection, better tumor segmentation
Slientsake的博客
03-05 1851
Tumor attention networks: Better feature selection, better tumor segmentation 肿瘤注意网络:更好的特征选择，更好的肿瘤分割
[深度学习从入门到女装]Focus, Segment and Erase: An Efficient Network for Multi-Label Brain Tumor Segmentation
炼丹师
02-26 730
论文地址：http://openaccess.thecvf.com/content_ECCV_2018/papers/Xuan_Chen_Focus_Segment_and_ECCV_2018_paper.pdf   这是ECCV2018的一篇关于脑部肿瘤分割的论文 文中提出目前脑部肿瘤分割的两个主要困难 1、class imbalance 主要表现在两个方面，第一是不是肿瘤的区域可能是...
医疗图像论文笔记四：《U-Net: Convolutional Networks for Biomedical Image Segmentation》
SanJin_Young的博客
10-16 382
这篇论文在全卷积神经网络FCN《Fullyconvolutionalnetwork》的基础上，修改和增加部分网络结构，使得网络可以在使用很少的训练数据的情况下，获得更精确的分割结果。 (一) 网络结构 网络由左边的 contractingpath和右边的expansivepath组成。contractingpath是典型的卷积网络结构，由两个重复的3x3卷积（unpadded）组成，卷积操作后都跟随一个Re...
刺参皂苷检测方法：HPLC-ELSD特征图谱分析
作者采用了Symmetry C18色谱柱，通过0.2%乙酸水溶液-乙腈的梯度洗脱，以及特定的流速、柱温和漂移管温度，成功建立了刺参皂苷的HPLC-ELSD特征图谱。 实验结果显示，这种方法具有良好的专属性，可以用来判断刺参产品...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值